向to C品牌学习:to B企业如何通过内容体验驱动增长

1. 从科学到工具,从工具到行为,从行为到文化

媒体哲学家马歇尔·麦克卢汉(Marshall McLuhan)曾说:“我们首先塑造了工具,然后工具又塑造了我们。”当使用新的工具时,人们会把先进的科学和技术自然而然的变为日常的行为,这些行为又会变为习惯,从而塑造了工具使用者所在企业的文化。我们做的工具是在数字经济时代,为企业提供内容体验的生产和流转的数字平台。我们相信:在数字经济时代,商品触达消费者的体验会发生/已经在发生范式迁移(Paradigm Shift),因此需要内容体验在基础设施层面的数字化转型。

2. 数字化繁荣带来的转变

数字化转型(Digital Transformation 或 Digitalization)包括两个方面的显著转变:

• 从“Asset(资产)”到“Digital Asset(数字资产)”:资产和数字资产虽然仅差两个字,但却意味着截然不同的观念。资产(比如现金)是用的越少价值越高;而数字资产,则是用的越多价值越高。比如一个视频,就是数据资产,看的人越多,点赞的人越多,价值越大。

• 从“Product(产品)”到“Content Experience(内容体验)”:数字化让用户对产品的认知是通过各种内容和体验来实现的。用户不是通过了解产品的规格和功能,而是通过了解产品和我的关系——产品的故事、测评、价值等内容体验。原来使用产品是用户和产品关系的终结,而现在内容体验不停的可以与用户产生闭环、连续的交互。

3. 内容体验的3个观察

过去一年,特赞为200多个品牌提供了内容体验的数字化转型服务,总结了CX 领域的3 个观察:

观察1

体验:从单触点(Single Touch-point)到多触点(Multi Touch-points)

内容体验从没像现在那样多元和丰富。给大家一些2020年我们看到的基础数字:

· 一个C端产品平均在10个以上的渠道触达用户(天猫、京东、拼多多、抖音、门店、小程序、小红书……)

· 一个C端产品对应至少上百个不同渠道、不同格式的内容。(天猫在2020年双十一的满天星计划中,一个产品上架,就需要300个短视频内容);

· 一个C端产品触达用户使用的内容有80%是视频;

简言之,这些数字意味着在to C的领域里,内容的数量、速度、多样性都发生了指数级的规模化增长。

内容的规模化增长主要源于对新消费者的理解越来越细致和精确(即“千人”),以及对消费者的触达(包括触点和形式)越来越个性化和多元化(即“千面”)。在to C场景里,我们会对消费者行为建立模型。例如:阿里巴巴的模型是A-I-P-L。

Awareness 是指品牌认知,即通过某个触点认识了品牌;

Interest 是指品牌兴趣,消费者可能在某个地方被种草了进而对产品产生了兴趣;

Purchase 是指决定购买,在电商或者线下等渠道进行产品的购买;

Loyalty是指品牌忠诚,即产生复购。

数字化让消费者在每个触点的行为都从点变成线(Journey),正是因为用户体验的连贯性,从而使这个链路可以追溯、可以测试和可以优化。

那么,在这个转变过程中,我们可以通过技术做什么?以巴黎欧莱雅举例,通过引入特赞的DAM系统(数据资产管理系统 Digital Asset Managment),对所有的内容体验进行系统化管理。一个产品从以往只能靠柜购买变成可以通过户外广告、APP、小红书、直播、微信小程序、社群、门店及BA等多触点完成认知-兴趣-购买-忠诚的用户体验。DAM进行多触点内容体验管理的好处在于过程可追踪、数据可量化、结果可测试、内容可优化。

观察2

叙事:从产品(Product)到内容(Content)

第二个观察是从产品(Product)到内容(Content)的变化。数字化让消费者通过内容体验产品,比如种草文章、视频、详情页、直播等。如果说过去我们在物理空间里直接体验产品,关注的是产品标准化的属性和功能,那么内容关注的则是个性化的体验和产品价值。

技术上,对产品进行数字化管理的是PIM系统(产品信息管理系统 Product Information Managment),对内容则通过DAM系统。

在中国,有不少新零售品牌取得了耀眼的成绩,如元气森林、喜茶、完美日记等,他们中不乏有因单点突破获得成功的例子,而这些突破都是他们从产品到内容再到消费体验中完成的。所有能够触达消费者的地方,都是他们塑造品牌价值的场景。也就是说,好的产品更要在内容体验上把产品价值放大。

以联合利华为例,特赞的DAM和PIM系统建构了联合利华的智能内容平台UniDAM。通过商品的条形码将产品和内容数据关联起来。这样,每个商品上架,都对应了这个商品关联的上百个内容。通过对内容完整度(Content Readiness)的智能分析,为品牌提供合规、即时和优质的内容体验。众所周知,在任何一个数字化触点上,如果内容有问题,那么就不会获得促销活动的流量,直接影响销量。

用户是品牌的核心数据资产,内容映射了用户的相关数据。内容映射的用户数据有三种:

商业数据:内容的商业目的、分发场景、渠道、人群定位等,如一个视频,用于 A-I-P-L 哪个阶段目的,投放人群是谁,投放什么渠道合适等。这个部分的数据是需要人为输入的。

内容数据:内容本身相关的数据,如内容风格(如色调/情感/调性)、内容元素(如人/产品/文案/Logo)及基本属性(如类型/大小/尺寸/版式布局)等。这个部分的数据可以通过机器识别。

效果数据:内容分发、投放效果相关的数据,如媒体投放效果相关的CTR/展现量/ROI等、社交媒体传播效果相关的曝光量/点击量/点赞量/转发量/转化率等,比如:特赞系统里制作的H5图文,同时也能查看热力图,有多少人点击、多少人看完、乃至内容哪一部分获得的停留时间最长都可以被追踪。这部分的数据可以通过系统API接通获取。

在 to B 企业的产品规格很严格,因此内容的合规性是企业很关心的问题。商品的规格、资质认定的及时性、广告的相关规范(广告法)、品牌的规范等,如何掌握这些规则、实时监测和自动化规避合规风险是企业面临的挑战。很多时候,就算企业有心管控内容合规问题,可能也无力理清所有规范并知道违规问题在哪,很多企业因合规问题吃了亏,轻则无法上架,重则责令处罚。而且,规则还是动态变化的,就像疫情期间,广告法规定关于杀菌的词不能用,很多像洗护行业的企业因此遇到了麻烦。

内容数量和形式的指数级爆发需要通过AI技术,进行内容的合规检测(Compliance)。越复杂的产品、内容和触点,防守工作也变得越复杂,复杂到无法由人来完成,但这是 AI 能力可以赋能的地方。特赞对此提供了智能合规检测的 AI 能力,可以配置多种审核规范(广告法规、知识产权、品牌规范、渠道规范等)以适配不同场景,让企业统一把控审核,合规才入库,违规全退回,避免因违规问题产生的风险。

AI也赋能内容的结构化理解及一些其他场景的应用,比如:智能打标,通过 AI 技术给内容自动化打标,包括LOGO品牌、人物、颜色、产品及其他内容等;智能搜索,在特赞系统里,用户可以通过内容相似、色彩相似找到相关的内容;同时,也能通过配置特定规则定位到特定的内容,如电商场景的白底图。我们讲,内容越多,越可以借 Narrative 做到 Personalization,而这过程需要夯实的技术底层能力赋能产品和内容的数字化,让产品和内容关联起来、流动起来。

当数字化过程将内容(Content) 转变为数据(Data),大量的数据(Data)经过提炼就可以产生洞察(Insight),进而赋能产品策略产生用户价值(Value)。比如阿里巴巴通过对拉杆箱用户反馈的智能分析,把产品的洞察聚焦在3个点上:26寸(可带上飞机)、材料坚固、滑轮顺滑。因此专门针对这三个问题去进行产品创新。大量的内容数据会帮助企业发现一些可以打动消费者的亮点/关键词,从而赋能产品策略。也就是我们说的从内容洞察(Content Insight)到产品构思(Product Ideation)。

有了产品构思(Product Ideation),就可以推动到敏捷研发(Agile Development),实现从营销创新到产品创新的快速试错。以联合利华为例,新品研发过去需要两年,如今,通过UniDAM,所有的产品、内容和供应商都完成了数字化,同时产品及内容也关联了商业数据。联合利华的产品生产能结合消费者喜好和洞察进行动态调整设计,降低试错成本,高效管理创新流程。现在,联合利华可以实时了解各个触点的消费者洞察,产生产品构思,并通过UniDAM迅速找到配方的供应商进行研发,同步通过包装材料的供应商选择消费者喜欢瓶子设计,整个产品从想法到消费者缩短到以月甚至以周为单位。产品的创新也因此成为了内容体验的一部分。

观察3

互动:从介绍(Presentation)到沟通(Conversation)

第三个观察是品牌与用户的互动方式,从有道理的介绍(Presentation)到移情的对话(Conversation),通过个性化的内容体验为消费者建立 Ta 与产品的关联(Build Context)。

以A.O 史密斯为例,A.O的产品“每10年才需要购买一次”,所以这样的商品销售有很大的难度。2020年,A.O 史密斯使用了特赞的内容中心模块,为品牌搭建内容库,包括三类内容:

· 信息类内容(Information Content)(产品介绍)

· 教育类内容(Educational Content)

· 启发类内容(Inspirational Content)

现在,A.O史密斯的内容中心已经有上千个内容,并以周为单位进行维护和更新。

A.O史密斯的销售人员,可以选择合适的内容在不同场景发给自己的潜在销售对象。内容中心提供了丰富的内容,还提供内容编辑的能力时,销售人员可以对这些内容进行二次编辑,更个性化的与自己的潜在销售对象进行互动。

内容分发出去后,系统可以追溯到效果数据:内容有多少人看过、有多少人读完或流失等,同时也能透过热力图看到内容本身的停留数据。这些数据都有助于总结内容转化率的最佳实践。也可以通过这个系统对内容进行A/B测试,多样的内容举证和实践,能够助力不同场景(A-I-P-L)用户体验的不同目的。

那么这上千条的内容从哪里来?主要来自于:外部采买的内容、自创的内容、历史沉淀的内容。外部采买的内容来自于像喜马拉雅那样的媒体,这些内容经过编辑,很容易的可以植入更易于传播的 A.O 史密斯营销素材。比如一篇关于健康生活的微信文章,很容易就能通过二次创作植入一个净水产品成为他们的营销内容。而且这些软性的内容很容易通过建立认知起到种草的作用,且社交传播力强,可触达到更多潜在消费者。

结论:做一个真正数字化的公司

数字化转型在英文中可以有两个说法,一个叫Digitalized,一个叫Digitized。我们不能止步于 “Digitized”,即把东西搬到线上去,而是要真正的用 “Digitalized” 的方式去工作。就如开篇讲的,第一步搭建工具(Tool)、第二步改变行为(Behavior) 、第三步培养文化(Culture),比如有些公司培养的 Culture 是“擅测试重增长”。所谓的数字化转型,不是转为所有东西云端作业,而是转变为真正数字化的工作方法。

麦肯锡在2020年年终发布了一个报告,提到内容领域的不同数字化发展阶段。其中,第一阶段就是Digitized,只关注创建几个数字化 Campaign,但并没有具有可拓展的创意内容生产方式;而第五阶段则是Digitalized,是一个数字化工作的公司,具备高效的内容供应链,可实现版本控制和内容转换,同时利用AI工具赋能内容生产和优化。

有些企业还处在Digitized,尚未Digitalized。以下是我们的分析:

1.价值第一产品第二(Value First Product Second)

不管是 to C 还是 to B,都是价值(Value)第一、产品功能(Product)第二,受访者中 88% 都认同:相比产品细节,内容制作者需更多关注在内容的价值。这一点其实很多企业做得不好。

2.运用现代的内容形式(Use Modern Content Formats)

68%的 B2B 买家认为企业应使用更现代的内容形式触达消费者。特赞在过去一年生产了很多新的内容玩法,包括跨界合作、IP合作、视频号等,新的内容形式更容易产生新的流量红利。

3.重视评论反馈和案例研究(Review and Case Studies Matters)

80%的受访者指出,他们比较信任同行评论、用户反馈、第三方分析和案例研究。其实,很多时候用户更愿意被种草,而不容易接受自卖自夸的营销方式,这就需要很多种草和场景植入。

4.内容丰富度和可获得性(Content Richness and Accessibility)

75%受访者认为,丰富的内容和形式有助于更好触达和转化;同时,66%的人认为内容应易于获得。

5.个性化(Personalization )

无论在 to C 还是 to B 场景,最终购买和使用者都是用户,所以 Personalization 个性化很重要。受访者中 99% 都认识到这一点,很多企业也在有意识地搭建内容库,用于更好地实现个性化规模化。

6.利用数据优化运作(Use Data to Optimize Operation)

75%的受访者强烈同意,企业应尽量多地利用数据和分析来支持业务中的决策。数据不是拿来看的,而是用来指导下一步工作的。

7.增长工程(Growth Engineering )

95%的受访者认为充分运行测试能带来更好的效果。同时,他们中 85%的人也意识到自己没有做好这一点。企业应通过工具改变行为,进而带来增长的 Mindset。

最后,用英国诗人William Blake的一句话与各位共勉:

“现在的习以为常,过去都仅仅是想象(What is now normal, was once only imagined.)”

*本文由2021年2月特赞和Aptar的共创会中发言笔录编辑而成

*本文作者:范凌|特赞创始人及CEO。特赞 tezign.com 致力于构建企业级创意内容的数字新基建,是内容科技赛道唯一独角兽企业,已帮助了Aptar、史丹利百得等B2B品牌实现内容驱动增长。CEO 范凌毕业于哈佛大学和普林斯顿大学,他也是同济大学设计人工智能实验室主任和博士生导师。

免责声明:市场有风险,选择需谨慎!此文仅供参考,不作买卖依据。

关键词:

来源:壹点网
编辑:GY653

免责声明:本网站内容主要来自原创、合作媒体供稿和第三方自媒体作者投稿,凡在本网站出现的信息,均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时,应及时向本网站提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后,将会依法尽快联系相关文章源头核实,沟通删除相关内容或断开相关链接。

  • 相关推荐